買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜中國空間技術研究院申請的專利天體表面障礙物識別方法和裝置獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN112528808B 。

龍圖騰網通過國家知識產權局官網在2025-05-06發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202011404160.4，技術領域涉及：G06V20/00；該發明授權天體表面障礙物識別方法和裝置是由李海超;邱林偉;李志;黃龍飛設計研發完成，并于2020-12-02向國家知識產權局提交的專利申請。

本天體表面障礙物識別方法和裝置在說明書摘要公布了：本發明涉及深空探測技術領域，提供一種天體表面障礙物識別方法和裝置，包括：對深空探測巡視器獲得的原始圖像集進行障礙物標注，得到標注樣本集；將標注樣本集中的每張圖像均進行特征融合，得到融合后的標注樣本集；構建卷積神經網絡，將融合后的標注樣本集輸入卷積神經網絡，得到損失函數最小的訓練模型；將深空探測巡視器獲得的待識別圖像進行特征融合，并將融合后的待識別圖像輸入到訓練模型中，得到障礙物的分割識別結果。本發明克服了地外天體巡視器訓練數據量不足的問題，實現了通過單幅圖像就能夠探測地外天體的障礙物，準確度高。

本發明授權天體表面障礙物識別方法和裝置在權利要求書中公布了：1.一種天體表面障礙物識別方法，其特征在于，包括：對深空探測巡視器獲得的原始圖像集進行障礙物標注，得到標注樣本集；將所述標注樣本集中的每張圖像均進行特征融合，得到融合后的所述標注樣本集；構建卷積神經網絡，將融合后的所述標注樣本集輸入所述卷積神經網絡，得到損失函數最小的訓練模型；將深空探測巡視器獲得的待識別圖像進行特征融合，并將融合后的所述待識別圖像輸入到所述訓練模型中，得到障礙物的分割識別結果；所述構建卷積神經網絡，將融合后的所述標注樣本集輸入所述卷積神經網絡，得到損失函數最小的訓練模型，包括：基于DeepLabv3+網絡構建骨干網絡，并將融合后的所述標注樣本集中的每張融合圖像輸入到所述骨干網絡，得到與融合圖像對應的第一層特征和第二層特征；其中，所述骨干網絡為深度殘差網絡或輕量化網絡；空洞空間金字塔池化對每個所述第一層特征依次進行卷積和池化，得到與每個所述第一層特征對應的第一特征圖；通過殘差上采樣轉換方法，對每張所述第一特征圖進行上采樣，得到對應的第二特征圖，并將每張所述第二特征圖與對應的所述第二層特征進行拼接，得到拼接后的特征圖；將所述拼接后的特征圖進行上采樣，得到訓練樣本的分割結果，根據所述分割結果確定損失函數最小的訓練模型。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中國空間技術研究院，其通訊地址為：100094 北京市海淀區友誼路104號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。